• 한국의류산업학회지
• /
• 제23권5호
• /
• pp.586-597
• /
• 2021

Personalized product recommendation service is receiving attention as a new marketing strategy while supporting consumer information search and purchasing decisions. This study attempted to verify the effect of self-reference on service use behavior through the dual path of cognitive attitude and emotional attachment. Using convenience sampling, an online survey was conducted with 324 women who were in their 20s and 30s. After collecting and compiling the survey data, the reliability and validity of variables constituting the conceptual research model were verified through confirmatory factor analysis using AMOS 22.0. Next, the significance of sequentially mediated pathways was verified using Process 3.5 Model 80. The results showed that self-referencing not only significantly affects service use intention by simply mediating cognitive attitudes but also sequentially mediates cognitive attitudes and additional information search. Furthermore, self-referencing was significant as an indirect path to service use intention by mediating additional information search. However, in the path mediated by emotional attachment, self-referencing was considered as a simple mediated path leading to service usage intention. These results indicate a dual path in the psychological mechanism, through cognitive and emotional evaluation, that prompts consumer behavioral responses to the personalized product information provided in the shopping process.

• 대한산업공학회지
• /
• 제39권2호
• /
• pp.135-142
• /
• 2013

In B2B e-Marketplace for free gifts and goods, product-mix recommendation is provided frequently by analysing customer logs and/or performing collaborative and rules-based filtering. This study proposes a new process that encompasses the genetic algorithm and key working processes of B2B e-marketplace based on the previous cooperate client order data. Efficiency and accuracy of the proposed system have been confirmed by cross-confirmation of accumulated data in the e-marketplace. The system can provide better opportunities for manufactures and suppliers to select optimized product-mix without time consuming trials and errors in their B2B e-marketplace networks.

• Asia pacific journal of information systems
• /
• 제29권4호
• /
• pp.752-770
• /
• 2019

The purpose of this study is to incorporate telemarketing processes to improve telemarketing performance. For this application, we have attempted to mix the model of machine learning to extract potential customers with personalisation techniques to derive recommended products from actual contact. Most of traditional recommendation systems were mainly in ways such as collaborative filtering, which predicts items with a high likelihood of future purchase, based on existing purchase transactions or preferences for products. But, under these systems, new users or items added to the system do not have sufficient information, and generally cause problems such as a cold start that can not obtain satisfactory recommendation items. Also, indiscriminate telemarketing attempts can backfire as they increase the dissatisfaction and fatigue of customers who do not want to be contacted. To this purpose, this study presented a multi-purpose hybrid recommendation algorithm to achieve two goals: to select customers with high possibility of contact, and to recommend products to selected customers. In addition, we used subscription data from telemarketing agency that handles insurance products to derive realistic applicability of the proposed recommendation system. Our proposed recommendation system would certainly solve the cold start and scarcity problem of existing recommendation algorithm by using contents information such as customer master information and telemarketing history. Also. the model could show excellent performance not only in terms of overall performance but also in terms of the recommendation success rate of the unpopular product.

• 지능정보연구
• /
• 제28권2호
• /
• pp.1-18
• /
• 2022

디지털 기술이 산업 전반의 전자상거래 시장에 융합되면서 온라인 거래의 활성화와 이용률을 증가시켰으며, 이러한 시장의 흐름은 최근 코로나와 같은 감염병이 확산함에 따라 더욱 가속화되어 다양한 상품 정보를 온라인을 통해 고객들에게 제공할 수 있게 되었다. 다양한 정보의 제공은 고객들에게 다양한 선택의 기회를 제공하지만 의사결정에 어려움을 주기도 한다. 추천시스템은 고객의 의사결정에 도움을 줄 수 있으나 기존 추천시스템 연구는 정량적 데이터만에 국한되어 있으며, 상품 및 고객의 세부적인 요인을 반영하지 못하였다. 이에 본 연구에서는 온라인 리뷰를 기반으로 정성적 데이터를 텍스트 마이닝 기법을 적용하여 상품 및 고객의 속성을 정량화하고 기존의 객관적 지표인 총평점과 감성 및 감정을 통합한 지능형 추천시스템을 제안한다. 제안된 지능형 추천모형은 총평점 위주의 추천 모형보다 우수한 추천성과를 보여주었으며, 상품 및 고객의 세부적 요소를 반영한 추천결과를 통해 새로운 비즈니스 가치를 창출할 것으로 기대한다.

• Journal of Information Processing Systems
• /
• 제16권2호
• /
• pp.494-507
• /
• 2020

This study proposed the movie recommendation system based on the user's personal information and movies rated using the method of k-clique and normalized discounted cumulative gain. The main idea is to solve the problem of cold-start and to increase the accuracy in the recommendation system further instead of using the basic technique that is commonly based on the behavior information of the users or based on the best-selling product. The personal information of the users and their relationship in the social network will divide into the various community with the help of the k-clique method. Later, the ranking measure method that is widely used in the searching engine will be used to check the top ranking movie and then recommend it to the new users. We strongly believe that this idea will prove to be significant and meaningful in predicting demand for new users. Ultimately, the result of the experiment in this paper serves as a guarantee that the proposed method offers substantial finding in raw data sets by increasing accuracy to 87.28% compared to the three most successful methods used in this experiment, and that it can solve the problem of cold-start.

• 경영정보학연구
• /
• 제17권3호
• /
• pp.95-111
• /
• 2015

추천시스템은 과거 구매행동을 통해 사용자가 향후 구매할 것이라 예상되는 제품을 자동으로 검색하여 제공하는 시스템이다. 이러한 추천시스템은 여러 전자상거래 업체에서 도입하고 있으며, 사용자의 편의성 및 수익에 긍정적인 영향을 미치고 있다. 하지만 사용자가 어떠한 기준을 가지고 제품을 평가하는지, 어떠한 요소가 구매 의사 결정에 영향을 미치는지는 반영할 수 없다는 한계가 있다. 이에 본 연구에서는 사용자가 직접 작성한 구매후기를 통해, 사용자 별 제품 평가요소를 활용할 수 있는 추천 모형 알고리즘을 개발하였다. 토픽 모델링을 활용하여 사용자들의 구매후기를 분석하였으며, 이러한 후기의 특성이 반영된 커널과 평가 점수가 반영된 커널 등을 함께 활용하여 다중 커널 학습 기반의 추천 모형을 개발하였다. 또한, 이러한 모형을 BestBuy 사례에 적용하여 검증하였다. 검증 결과, 기존 협업적 필터링 알고리즘보다 다중 커널 학습에 의한 추천 모형의 정확도가 우수하였고, 구매후기의 유사성을 반영하였기에, 사용자가 어떠한 요소를 평가하는지를 확인할 수 있었다. 또한, 기존 협업적 필터링 알고리즘보다 다양한 제품에 대한 추천이 가능함을 확인할 수 있었다. 본 연구는 토픽 모델링과 커널 학습 기반을 사용한 융합적인 추천모형으로서, 온라인 추천시스템의 새로운 방법을 제안한다.

• 경영정보학연구
• /
• 제8권1호
• /
• pp.181-201
• /
• 2006

오늘날 인터넷이 확산되어감에 따라, e-CRM에 대한 관심이 증대되고 있다. 그 중에서도 특히 '추천시스템'은 e-CRM의 여러 응용분야 중에서도 실무적으로 그리고 학문적으로 가장 활발하게 연구되고 있는 분야 중 하나다. 추천을 위한 여러가지 방법들 중에서, 지금까지 주류를 이뤄온 방법들은 협동 필터링(Collaborative Filtering) 기법과 내용 기반(Content-Based) 접근법이다. 그러나 이러한 기존 방법들은 몇 가지 태생적인 한계점으로 인해 고객의 구매 이력이 많지 않은 중소형 인터넷 쇼핑몰에 적용하기 어렵다는 단점이 있다. 이에, 본 연구에서는 고객의 인구통계 및 구매정보에 2가지 데이터마이닝 기법들(연관 관계 기법과 분류 기법)을 적용하고, 이 결과를 조정 에이전트를 통해 결합하는 형태의 새로운 추천 시스템의 모형과 시스템 구조 체계를 제안한다. 제안된 연구 모형의 유용성을 검증하기 위해, 본 연구에서는 실제 사례에 적용한 웹 기반 프로토타입을 개발, 활용하였다. 프로토타입의 유용성을 실제 사용자들로부터 설문을 통해 조사해 본 결과, 본 연구에서 제안한 추천모형이 생성한 맞춤 정보가 사용자들에게 매우 유익하게 인지됨을 확인하였다.

• 디지털융복합연구
• /
• 제15권12호
• /
• pp.293-301
• /
• 2017

대부분의 신상품들은 시장에서 급격히 사라질 뿐만 아니라 기존 상품들의 매출감소를 불러온다. 이처럼 수명주기가 짧은 상품으로 인해 소매상들은 과다한 재고를 보유하게 될 뿐만 아니라 소비자들은 자신들의 선호를 맞는 제품들을 발견하는데 어려움을 겪는다. 이런 문제를 해결에 하는데 있어서 추천 시스템은 좋은 해결방법이 될 수 있다. 그러나 대부분의 추천 시스템들은 소비자의 고정된 선호를 이용하기 때문에 변화하는 소비자의 선호를 반영하지 못하는 문제가 있다. 이러한 문제를 해결하기 위하여 본 연구에서는 시간에 따라 변화하는 소비자의 선호를 반영한 추천 방법론을 제안하였다. 제안한 방법론은 소비자의 동적 선호 프로파일 작성, 네이버 형성, 추천 리스트 작성의 3 단계로 구성되어 있으며, 모바일 이미지 거래 데이터를 이용하여 제안된 방법론의 유용성을 검증하였다. 시험결과 제시된 방법론의 추천 정확도가 전통적인 협업필터링의 정확도 보다 높았다. 이러한 결과를 통해, 본 연구에서 제한한 방법론이 짧은 수명주기를 가진 제품을 추천하는데 효과적이라는 결론을 내릴 수 있다. 따라서 향후 제안된 방법론을 현업에 적용하여 실제적 유용성을 검증할 필요가 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 춘계학술발표대회
• /
• pp.273-276
• /
• 2019

There is a lot of information in our world, quick access to the most accurate information or finding the information we need is more difficult and complicated. The recommendation system has become important for users to quickly find the product according to user's preference. A social recommendation system using community detection based on label propagation is proposed. In this paper, we applied community detection based on label propagation and collaborative filtering in the movie recommendation system. We implement with MovieLens dataset, the users will be clustering to the community by using label propagation algorithm, Our proposed algorithm will be recommended movie with finding the most similar community to the new user according to the personal propensity of users. Mean Absolute Error (MAE) is used to shown efficient of our proposed method.

• 한국인터넷방송통신학회논문지
• /
• 제23권6호
• /
• pp.15-20
• /
• 2023

본 논문은 캐릭터 웹드라마에 적합한 간접광고 제품을 추천하는 인공지능(AI) 시스템 알고리즘 개발에 관한 연구이다. 본 연구는 웹드라마의 대사 작성에 있어 그에 어울리는 간접광고 제품을 추천함으로써 시청자의 콘텐츠 몰입도를 높이고, 드라마의 스토리를 보다 깊게 이해하는 데 도움을 주는 것을 목표로 한다. 본 연구에서는 자연어처리 모델 인 GPT를 활용하여 대사, 줄거리를 분석하고, 분석 결과를 바탕으로 소품형, 배경형 등 두 가지 유형의 간접광고 제품 추천 시스템을 개발한다. 이를 통해 웹드라마의 스토리에 부합하는 제품을 적절히 배치함으로써 간접광고가 자연스럽게 노출될 수 있도록 하고, 그로 인해 시청자들의 몰입도가 증가하며, 상품 홍보의 효과 또한 높인다. 숨겨진 뜻이나 문화적 뉘앙스를 완벽하게 이해하기 어려운 인공지능 모델의 한계와 학습에 필요한 충분한 데이터 확보가 어렵다는 한계가 있다. 그러나 본 연구는 AI가 창작물 제작에 어떻게 기여할 수 있는지에 대한 새로운 인사이트를 제공하고, 창의적 산업 분야에서 자연어 처리 모델의 활용 가능성을 넓히는 중요한 발판이 될 것이다.